人工知能と脳科学の双方で実績のある研究者の貴重なお話
「脳科学は終わったのか？」DeepMind創設者Demis Hassabisの答え
幾つか私の記憶違いがあったようなのでメモしておきたい
> 例をあげると、複数層のニューラルネットの学習にはかかせないバックプロパゲーション (Backpropagation)や、
> 過学習を防ぐためのドロップアウト (Dropout)が有名かもしれません。
> それぞれ、脳の情報処理は双方向的である、
> 神経細胞の発火頻度はポワソン分布に従う、という脳科学の研究結果からヒントを得て生まれたものでした。
↑バックプロパゲーションは寧ろ人工知能研究の中で生まれ脳科学でも同様のことがあるのではと輸入されたような？
> 論文ではまずThe Present、現在、という章で、脳科学の知見が比較的最近の人工知能の発展に生かされた例を4つ紹介しています。
> Attention（注意）
> Episodic Memory（エピソード記憶）
> Working Memory（ワーキングメモリー）
> Continual Learning（継続学習）
↑これらの説明が非常に分かり易く編集者のセンスを感じる
> 人間のようなシミュレーションに基づいた柔軟な意思決定は、2つの点で人工知能に勝っています。
> 1つ目は、少ないデータ（経験）からでもシミュレーション（想像）によって効率的に最適解にたどり着き得るということ。
> 人工知能には、大量のデータを与えないと最適解は得られません。
> 2つ目は、行動の決定をするルールを柔軟に変更できるという点です。
> 強化学習で、もし各場面と、行動、報酬の関係が急に変わったらどうなるでしょうか。
> 人工知能は、すぐには状況に合わせたパラメーターの更新はできません。
↑コメント欄で言及されている方もいるがこれについては人工知能という部分を強化学習と読み替えた方が良さそう？
> 「脳は、脳を理解できるか」
↑不完全性定理が浮かぶがこれは誤用でダサいことらしい…
> そこで、脳科学者が、脳というブラックボックスの中で何が起きているのか調べるように、
> AI研究者もAIというブラックボックスの中で何が起きているのか、
> 脳科学がつちかってきた実験計画法・解析手法を応用して、調べていくこと、
> つまりVirtual Brain Analytics（バーチャルな脳の解析）が、
> 今後の人工知能研究の発展につながるのではないかと、Hassabisさんは述べています。
↑脳科学というと「胡散臭い」「似非科学」などと言われることが多く私自身も若干思っていたが少し改めようと思う
以上無知な私が軽口を叩いてしまったが本論文を翻訳して分かり易く紹介して下さった編集者はとても優秀だと思う
